Essa inteligência artificial dá aos robôs um certo senso comum

Uma nova abordagem para a visão computacional, baseada na ” senso comum “permite que a inteligência artificial interprete as cenas com mais precisão do que outros sistemas. Os sistemas de visão computacional às vezes fazem inferências sobre uma cena que vão contra o senso comum. Com a implantação do mesmo sistema em um carro autônomopor exemplo, as apostas se tornam muito maiores.


olho de robô

Para superar esses erros, os pesquisadores do MIT desenvolveram uma estrutura que ajuda as máquinas a ver o mundo como humanos. Seu novo sistema de inteligência artificial aprende a perceber objetos no mundo real. Os pesquisadores construíram a estrutura usando o programação probabilísticauma abordagem baseada em tecnologia paraIA.

Isso permite que o sistema cruzar objetos detectados com os dados de entrada. A inferência probabilística lhe permite inferir se incompatibilidades provavelmente devido a ruídos ou erros na interpretação da cena.

Quais são as vantagens da garantia do bom senso?

Esta garantia de bom senso permite que o sistema detecte e corrigir muitos erros. Esses erros afetam as abordagens de aprendizado profundo, também usadas para visão computacional. A programação probabilística também permite inferir relações de contato possível entre os objetos da cena. Oferece ainda a possibilidade de deduzir o posições precisas Itens.

Além de melhorar a segurança dos carros autônomos, esse trabalho pode ajudar na performance do sistema da percepção do computador. Esta pesquisa será apresentada na conferência Neural Information Processing Systems em dezembro.

Uma explosão do passado

Os pesquisadores foram inspirados por um conceito dos primeiros dias da pesquisa de IA. Se oinfográficos foca na geração de imagens a partir da representação de uma cena, a visão computacional pode ser considerada o inverso deste processo. Gothoskar e seus colaboradores tornaram essa técnica mais fácil de aprender e dimensionar.

“A programação probabilística nos permite escrever nosso conhecimento de certos aspectos do mundo de uma maneira que um computador possa interpretar. »

Senhor Cusumano-Towner

Neste caso, o modelo é codificado com conhecimento prévio sobre cenas 3D. Por exemplo, 3DP3 “sabe” que as cenas são compostas de objetos diferentes, e que esses objetos são muitas vezes colocados um em cima do outro. No entanto, eles nem sempre estão em relacionamentos tão simples. Isso permite que o modelo raciocinar em um palco com mais bom senso.

Artigos Relacionados

Back to top button